-
Die
Erfindung betrifft ein Verfahren gemäß dem Oberbegriff des Patentanspruches
1 und eine Einrichtung gemäß dem Oberbegriff
des Patentanspruches 10.
-
Ziel
der Erfindung ist es, Druckfehler auf Gegenständen, insbesondere Druckwerken,
z.B. Banknoten, Briefmarken, Wertpapieren, Schriftstücken usw.
zu erkennen. Das Verfahren kann bei allen Arten von Druck, so auch
für Verpackungsdruck,
Barcodedruck usw. angewendet werden, wenn es auf hohe Druckqualität ankommt.
Ganz allgemein richtet sich die Erfindung auf die Prüfung von
Gegenständen
bzw. deren Oberflächen. Es
können
Aufdrucke, Bilder oder entsprechende Oberflächengestaltungen von Gegenständen mit
dem erfindungsgemäßen Verfahren überprüft werden.
-
Je
nach dem Herstellungsprozess der Oberflächengestaltung bzw. des Druckverfahrens
kommt es zu unterschiedlichen Arten von Fehlern. Üblicherweise
werden zur Fehlerfeststellung die Oberflächen der Gegenstände bzw.
die Bilder und Aufdrucke mit Flächen-
oder Zeilenkameras aufgenommen und mit einem Sollmuster verglichen.
Dabei soll das Fehlen von Teilen des Druckes als auch ein Zuviel
an Druck, z.B. Flecken, Kratzer, Farbschmierer, erkannt werden.
Auch Druckunregelmäßigkeiten
oder bei der Prüfung
von Banknoten auftretende Abweichungen von einer Vortage sollen
erkannt werden. Abweichungen, die vom menschlichen Auge noch nicht
als Fehler wahrgenommen werden, sollen eher toleriert werden, sofern
dies zulässig
ist. Abweichungen von Vorlagen, die eine gewisse Toleranz überschreiten,
sollen als Fehler angezeigt werden. Zumeist erfolgt die optische
Prüfung
von Druckwerken durch einen punktweisen Vergleich des aufgenommenen
Bildes gegenüber
Sollwerten, die vorgegeben oder durch Gutmuster eingelernt worden
sind. Die Toleranz soll gerade so eng gesetzt werden, dass störende oder
vorgegebene Abweichungen als Fehler erkannt werden, aber für das menschliche
Auge nicht störende
Abweichungen toleriert werden. Ähnlich
verhält
es sich mit Fehlern, die vom menschlichen Auge nicht erkannt werden
können.
-
Das
menschliche Auge ist gegenüber
leichten Verschiebungen, Verdrehungen oder allgemein Verzerrungen
des Druckbildes tolerant. Solche Verzerrungen können beispielsweise entstehen,
wenn sich das Material, auf dem gedruckt worden ist, dehnt oder
schrumpft. Ebenso ist das Auge tolerant gegenüber großflächigen Intensitätsänderungen,
die z. B. von einer Variation im Farbauftrag der Druckerfarbe hervorgerufen
wird. Diese Helligkeitsschwankungen können, solange sie einen bestimmten
Grenzwert nicht überschreiten,
als zufällige,
zulässige
Anomalie toleriert werden.
-
Besonders
empfindlich ist das Auge in der Erkennung von feinen Strichen, Kratzern
und Strukturfehlern, also allgemein gesprochen, von lokalen Intensitätsänderungen
des Bildes. Ein typischer Fehler bei Druckwerken, die nach dem Tiefdruckverfahren
hergestellt werden, sind sogenannte Rakelstreifen. Diese machen sich
als sehr dünne,
aber auffällige
Linien in Richtung der Bewegung der Druckwalze bemerkbar und sind
ein gutes Beispiel eines mit dem Auge leicht aber technisch nur
schwer feststellbaren Fehlers.
-
Der
Aufwand für
eine Druckbildprüfung
wird hauptsächlich
durch die Ortsauflösung
der Kamera bestimmt. Diese muss so hoch gewählt werden, dass feine Bildstrukturen
noch sicher erkannt und von störenden Bildfehlern
noch unterschieden werden können.
-
Eine
hinreichend hohe Auflösung
bewegt sich im Bereich von wenigen Zehntel Millimetern und kleiner. Dies
bedingt einen sehr hohen technischen Aufwand in der Prüfung der
Bilder.
-
Die
Auflösung
muss einerseits so hoch sein, dass feine Strukturen noch aufgelöst werden
können;
andererseits treten bei hoher Auflösung auch erlaubte Abweichungen,
wie sie z. B. durch Dehnung des Untergrundes auftreten, stärker hervor.
-
Um
eine ausreichende und rasche Fehlererkennung zu erreichen, sind
die Merkmale des Anspruches 1 vorgesehen. Eine Einrichtung zur Durchführung des
erfindungsgemäßen Verfahrens
ist mit den im Kennzeichen des Anspruches 10 aufscheinenden Merkmalen
charakterisiert.
-
Mit
den Merkmalen des Anspruches 2 wird erreicht, dass die zur Auswertung
vorgesehenen Daten von kleinen Aufnahmefehlern (Kamerarauschen)
weitgehend befreit werden.
-
Die
im Anspruch 3 angegebenen Filter sind besonders gut für derartige
Zwecke geeignet und bieten für
unterschiedliche Aufgabenstellungen anwendungstechnisch Vorteile.
-
Durch
die in Anspruch 4 angegebenen Verknüpfungen der erhaltenen Daten
wird eine besonders effiziente Analyse allenfalls vorhandener Bildfehler
möglich.
Dazu ist vorgesehen, dass nach der Anwendung des Sobel-H-Filters
und des Sobel-V-Filters die Ergebnisdaten der beiden Filter bildpunktweise
miteinander verknüpft,
insbesondere die Wurzel der Summe der quadrierten Ergebnisdaten
der beiden Sobel-Filter oder die Summe der gewichteten Absolutbeträge oder
das jeweilige Maximum der Absolutbeträge jeweils entweder exakt oder
näherungsweise
oder mit Hilfe einer Look-Up-Table ermittelt, werden.
-
Der
Sobel-Operator ist ein einfacher Kantendetektions-Algorithmus der
Bildverarbeitung. Hier wird die erste Ableitung der Bildpunkt-Helligkeitswerte
mit einer gleichzeitigen Glättung
berechnet.
-
Der
Operator nutzt zur Faltungsmatrix eine 3×3-Matrix, die aus dem Originalbild
ein Gradienten-Bild erzeugt. Die Bereiche der größten Intensität sind dort,
wo die Helligkeit des Originalbildes sich am stärksten ändert. An diesen Stellen liegen
wahrscheinlich auch Kanten.
-
Zwei
Matrizen (Sobel-H- und Sobel-V-Filter) werden benötigt, um
die erste Ableitung eines 2-dimensionalen Bildes zu erhalten – eine horizontale
und eine vertikale.
-
Wenn
wir das Originalbild als Matrix A definiert, dann kann man folgendes
berechnen:
-
Eine
richtungsunabhängige
Information kann man durch die Kombination beider Ergebnisse erhalten:
-
Von
Vorteil ist es, wenn auf das digitale Bild als Linienfilter (10)
ein Canny-Operator
angewendet wird.
-
Der
Canny-Algorithmus ist ein robuster Kantenerkennungsalgorithmus.
Er gliedert sich in verschiedene Faltungsoperationen und liefert
ein Bild, welches Idealerweise nur noch die Kanten des Ausgangsbildes enthält.
-
Da
der Algorithmus nur auf Graubildern arbeiten kann, ist eine vorherige Überführung von
farbigen Bildern in Graubilder erforderlich. In diesen Grauwertbildern
sind Kanten durch große
Helligkeitsschwankungen zwischen zwei benachbarten Pixeln charakterisiert.
Sie können
somit als eine Unstetigkeit der Grauwertfunktion g(x,y) des Ausgangsbildes
aufgefasst werden. Da derartige Unstetigkeiten auch ohne das Vorhandensein von
Kanten einfach durch Bildrauschen auftreten können, verwendet der Algorithmus
die Gaußsche
Normalverteilung zur Glättung
des Bildes.
-
Dabei
wird das Originalbild mit Hilfe einer Maske gefaltet, die die Gaußsche Normalverteilung
annähert.
Der neue Grauwert eines Pixels g'(x,y)
ergibt sich dabei aus den gewichteten Werten der ihn umgebenden Pixel.
Ein Beispiel für
eine solche Maske könnte
sein:
-
Je
größer hierbei
die Maske gewählt
wird, desto robuster wird der Algorithmus gegenüber Rauschen.
-
Anschließend werden
die Gradienten der einzelnen Pixel ermittelt, indem das Bild mit
Hilfe des Sobel-Operators gefaltet wird. Dieser arbeitet entweder
in X-Richtung oder in Y-Richtung und betont somit entweder horizontale
oder vertikale Kanten. Auch beim Sobel-Operator ergibt sich der
neue Wert eines Pixels aus den gewichteten Werten der ihn umgebenden
Pixel. Da für
den Canny-Algorithmus der Gradient in X-Richtung und der Gradient
in Y-Richtung benötigt
werden, ergeben sich also nach Anwendung des Sobel-Operators 2 neue
Bilder.
-
Mithilfe
der beiden so ermittelten Gradienten lässt sich der Anstieg einer
potentiellen Kante durch einen Pixel errechnen. Es gilt: Antstieg=arctan(GradientY/GradientX),
falls GradientX ungleich 0 ist, ansonsten 0°, falls GradientY auch 0 ist,
ansonsten 90°.
-
Da
ein Pixel jedoch nur 8 Nachbarn hat, ergeben sich insgesamt lediglich
4 mögliche
Kantenanstiege: 0°,
45°, 90° und 135°. Die soeben
errechneten Anstiege werden also auf einen dieser Werte gerundet.
-
Die
Kantenstärke
eines einzelnen Pixels wird als Summe aus dem Betrag der beiden
Gradienten gebildet.
-
Um
sicherzustellen, dass eine Kante nicht mehr als einen Pixel breit
ist, werden im folgenden Schritt lokale Maxima gesucht. Dabei wird
für jeden
Pixel überprüft, ob einer
seiner 8 Nachbarn eine höhere
Kantenstärke
als der Pixel selbst hat. Ist dies der Fall, und führt der
errechnete Kantenanstieg von diesem Pixel mit höherer Kantenstärke nicht
auf den zu betrachtenden Pixel, wird dessen Kantenstärke auf
0 gesetzt. Man kann also annehmen dass dieser Pixel nicht zu einer
Kante gehört.
-
Abschließend muss
natürlich
noch festgestellt werden, ab welcher Kantenstärke ein Pixel zu einer Kante
zu zählen
ist. Um das Aufbrechen einer Kante durch Schwankungen in der errechneten
Kantenstärke zu
vermeiden wird ein Hysterese genanntes Verfahren angewendet. Bei
diesem Verfahren verwendet man zwei Schwellwerte. Alle Pixel, deren
Kantenstärke über dem
ersten Schwellwert liegen, werden als Kantenelemente (Edgels von
engt. edgeelements]) aufgefasst. Alle, deren Kantenstärke unter
dem zweiten Schwellwert liegen, werden nicht weiter als Edgels in
Betracht gezogen. Für
Pixel, deren Kantenstärke
zwischen den beiden Schwellwerten liegen, gilt: Sie sind ein Edgel
wenn einer ihrer Nachbarn ein Edgel ist und dessen Kantenanstieg
zu ihnen selbst führt.
Nach diesem letzten Schritt ist der Algorithmus beendet und liefert
eine Menge von Punkten, die je nach korrekter Wahl der Schwellwerte
die im Ausgangsbild vorhandene Kanten aufzeigen.
-
Diese
Menge von Punkten kann auf viele verschieden Arten verwendet werden,
um weitere Informationen aus dem Bild zu extrahieren (z.B. Hough-Transformation
zur Erkennung einfacher geometrischer Objekte oder Waltz-Algorithmus
zur Erkennung von dreidimensionalen Objekten im Bild).
-
Die
im Anspruch 8 angegebene Vorgangsweise ermöglicht eine exakte und mit
wenig Rechenaufwand vorzunehmende Beurteilung der Qualität der zu
untersuchenden Gegenstände
bzw. liefert eine sehr exakte Möglichkeit,
auftretende Fehler zu erkennen und zu beurteilen.
-
Von
besonderem Vorteil sind die Merkmale des Anspruches 16, da damit
eine wesentlich raschere Abarbeitung der anfallenden Daten aufgrund
der vorgenommenen Datenreduktion möglich, ist ohne dass dadurch
eine Beeinträchtigung
bei der Beurteilung allenfalls vorhandener Fehler eintritt.
-
Die
Merkmale des Anspruches 18 liefern mit geringem Hardwareaufwand
ein ausgesprochen exaktes online-Ergebnis.
-
Im
Folgenden wird die Erfindung anhand eines in der Zeichnung dargestellten
Diagramms näher
erläutert.
-
Auf
das mit einer Bildaufnahmeeinheit 1 von einem Gegenstand
aufgenommene, beispielsweise in Hinblick auf Fehler oder Bildcharakteristika
zu prüfende
Bild wird zumindest ein Kanten- oder Linienfilter 10 und
nachfolgend zumindest ein Maximumfilter 4 angewendet. Die
Bilddaten können
in diesen Filtern, müssen aber
nicht auf eine vorgegebene Auflösung
reduziert werden. Gut geeignet sind alle Arten von Kanten- oder Linienfiltern,
die einen Absolutbetrag von lokalen Intensitätsunterschieden liefern. Das
erhaltene Ergebnis wird dann nach herkömmlichen Verfahren z. B. durch
Vergleich gegenüber
einem vorher eingelernten oder vorgegebenen Minimum und Maximum überprüft.
-
Der
Kanten- bzw. Linienfilter 10 hat somit die Aufgabe, lokale
Intensitätsunterschiede,
auf die das menschliche Auge empfindlich ist, hervorzuheben. Das
Ergebnis repräsentiert,
wie stark eine Kante bzw. Linie an einem bestimmten Ort ausgeprägt ist.
-
Dem
Kanten- oder Linienfilter 10 ist ein Tiefpassfilter 6 vorgeschaltet.
-
Es
kann vorgesehen sein, dass im Tiefpassfilter 6 und/oder
im Maximumfilter 4 eine vorgesehene Reduktion der Bilddaten
erfolgt, da damit eine Reduktion der Bilddaten erreicht wird und
die Auswertungsgeschwindigkeit beträchtlich erhöht werden kann, ohne dass ein
Verlust an Information eintritt.
-
Von
Vorteil ist es, wenn auf das als Farb-Bild vorliegende digitale
Bild des Gegenstandes zumindest ein Gauß-Filter 7 angewendet
wird, dessen Datenreduktion gegebenenfalls der Datenreduktion des
Maximumfilters 4 entspricht, und dass die erhaltenen Datensätze des
Gauß-Filters 7 mit
den Ausgangsdaten des Maximumfilters 4 gemeinsam bzw. verknüpft ausgewertet
werden. Man erhält
in diesem Fall eine Aussage über
die großflächigeren
Intensitätsverteilungen
bzw. durch Flecken oder ähnliches
verursachte Fehler.
-
Durch
eine allfällige
Reduktion der anfallenden Daten im Gauß-Filter 7 kann bei
dieser Überprüfung eine
entsprechend rasche Vorgangsweise erreicht werden, die insbesondere
dann optimal ist, wenn die Datenreduktion im Maximumfilter 4 und
die Datenreduktion im Gauß-Filter 7 aufeinander
abgestimmt, insbesondere gleich, sind. Eine Reduktion der Bilddaten
im Maximumfilter 4 ergibt, dass nur mehr ein Wert, der
die maximale Kanten- bzw. Linienintensität über ein kleines lokales Gebiet
repräsentiert,
der Fehlerprüfung
zugeführt werden
muss.
-
Der
Hauptvorteil liegt darin, dass dadurch einerseits gemäß dem Empfinden
des menschlichen Auges lokale Intensitätsunterschiede hervorgehoben
werden, anderseits das Prüfverfahren
durch den Maximumoperator gegenüber
geringfügigen
Verschiebungen, die das Auge nicht wahrnimmt, unempfindlich wird.
-
Eine
hohe Qualität
der Prüfung
erreicht man, wenn die Fehlerprüfung
in der Auflösung
des Originalbildes erfolgt. Mit nur sehr geringer Einbuße an Qualität der Fehlererkennung
kann man jedoch die Bilddaten nach dem Maximumfilter 4 reduzieren,
was eine drastische Senkung des nachfolgenden Prüfaufwandes bedeutet.
-
Nimmt
man beispielsweise ein 2×2
Maximumfilter, also eine Rechenoperation, die für jeweils 4 unmittelbar benachbarte
Pixel den Maximalwert berechnet, dann erreicht man eine Reduktion
der Daten um einen Faktor 4.
-
Vorteilhafterweise
erfolgt die Bildung eines Maximums der Intensitätswerte von Pixelgruppen. Wird
z. B. von 2·2
Pixeln des Kantenbildes das Maximum gebildet, so bleibt die Information,
dass sich an dieser Stelle eine Kante (= hohe Frequenz) befindet,
optimal erhalten.
-
Die
Bildinformation soll optimiert komprimiert werden. Dazu können prinzipiell
2 Filter verwendet werden, nämlich
ein Hoch- und ein Tiefpassfilter, so dass in einem (z. B. auf ein
Viertel) reduzierten Bild die hohen, und in einem anderen (ebenfalls
z. B. auf ein Viertel) reduzierten Bild die niedrigen Frequenzen
erhalten bleiben. Zusammen haben die beiden reduzierten Bilder nur
den halben Speicherbedarf des ursprünglichen Bildes, dennoch bleibt
die wesentliche Information betreffend hohe und niedrige Frequenzen
erhalten.
-
Ein
Tiefpassfilter, der einerseits den Speicherbedarf des Bildes reduziert,
andererseits die tiefen Frequenzen erhält, ist durch das Gauß-Filter 7 realisiert.
-
Zur
Realisierung eines Hochpassfilters kann eine Vorgangsweise eingesetzt
werden, gemäß der zuerst
eine Glättung
vorgenommen wird, d.h. dass die höchsten Frequenzen eliminiert
werden, indem z. B. ein gewichteter Mittelwert von Pixelgruppen
erstellt wird. Damit wird dem Hochpassfilter entgegengewirkt und
es bleiben die wesentlichen Informationen erhalten. Es wird somit
eine Vorgangsweise eingesetzt, die einerseits den Speicherbedarf
des Bildes reduziert, und andererseits die hohen Frequenzen erhält.
-
Der
vorgesehene Gauß-Filter 7 kann
in Form von drei 5×5
Gauß-Filtern
vorgesehen sein, wobei jedes dieser 5×5 Gauß-Filter für die Bearbeitung einer Farbkomponente
(z.B. rot, grün,
blau) zuständig
ist.
-
Der
vorgesehene RGB-Mixer 11 mischt die drei Farbkomponenten
RGB des von der Bildaufnahmeeinheit 1 erhaltenen Farb-Bildes
zu einem Gauwertbild, wobei alle drei Farbkomponenten mit einem
jeweils eigenen Gewichtungsfaktor gewichtet werden können.
-
Der
Gauß-Filter 6 kann
in Form eines 3×3
Gauß-Filters
realisiert werden, der die Anzahl der Bildpunkte bzw. Pixel nicht
verändert.
-
Sofern
als Kanten- oder Linienfilter 10 Sobel-Filter eingesetzt
werden, so werden die Einheiten Sobel-H-Filter 2 und Sobel-V-Filter 3 von
dem Gauß-Filter 6 mit
Bilddaten gespeist. Die in den beiden Filtern 2 und 3 vorgenommenen
Rechenvorgänge
verändern
nicht die Anzahl der Pixel.
-
Der
Gradientenbildner 8 wird von dem horizontalen Sobel-Filter 2 und/oder
dem vertikalen Sobel-Filter 3 gespeist. Am Ausgang des
Gradientenbildners 8 liegt gegebenenfalls eine bildpunktweise
Verknüpfung
der beiden Eingänge
oder der Absolutbetrag einer der beiden Gradienten an.
-
Der
Multiplexer 9 wählt
aus den drei möglichen
Kantenbildern (Ausgang des Sobel-H-Filters, Ausgang des Sobel-V-Filters
und Ausgang des Gradientenbildners) eines aus, das als Eingang des
Maximum-Filters 4 dient.
-
Im
Maximum-Filter 4 wird aus einem 2×2 Pixel großen Bereich
das Pixel mit dem betragsmäßig größten Wert
ausgewählt
und an nachfolgende Einheiten weitergeleitet. Es erfolgt damit eine
Reduktion der Bilddatenmenge auf ein Viertel der ursprünglichen
Menge.
-
Eine
Einheit 12 kann vorgesehen sein, die steigende oder fallende
Flanken der Pixelintensität
innerhalb einer Bildzeile feststellt; diese Daten können zur
Ergänzung
der Auswertung herangezogen werden.
-
In
der Auswerteeinheit 5 werden die allenfalls gewichteten
Bilddaten des Maximumfilters 4, die allenfalls gewichteten
Daten des Gauß-Filters 7 und
die allenfalls gewichteten Daten der Einheit 12 überprüft, ob die
erhaltenen Werte innerhalb ihres jeweiligen gegebenen Toleranzbereiches
liegen. Insbesondere werden die Ausgangsdaten des Maximumfilters 4 mit
dem Toleranzbereich 13 in einer Vergleichseinheit 16 verglichen, wobei
der Ausgangswert dieser Vergleichseinheit 16 im Absolutbetrag
angibt, um wie viele Helligkeitswerte die Ausgangsdaten des Maximumfilters 4 außerhalb
des Toleranzbereichs 13 liegen bzw. Null ist, falls sie
innerhalb liegen. Analog wird auch mit den Daten des Gauß-Filters 7 und
der Einheit 12 vorgegangen. Allerdings kann dabei vorgesehen
sein, dass die vom Gauß-Filter 7 für die einzelnen
Farbkanäle
eintreffenden Signale unterschiedlich geprüft werden und auftretende Fehler
zusammengeführt
bewertet werden.
-
Die
Ausgangswerte der drei Vergleichseinheiten werden mittels dreier
möglicherweise
verschiedener Fehlerfunktionen 17, 18, 19 auf
jeweils transformierte Werte abgebildet. Diese drei transformierten
Ausgangswerte werden in einer Verknüpfungseinheit 20 verknüpft, insbesondere
indem das Maximum gebildet wird.
-
Es
ist somit vorteilhaft, wenn die Auswerteeinrichtung zumindest einen
Vergleicher 16 für
die allenfalls gewichteten Daten des Maximumfilters 4 und/oder
des Gauß-Filters 7 und/oder
der Einheit 12 umfasst, in dem jeweils der Fehlerbetrag
der einlangenden Signale bzw. das Einhalten eines Toleranzbereiches
ermittelt wird, und ferner einen Funktionsbildner 17, 18, 19 umfasst,
mit dem für
diese jeweiligen Fehlerbeträge
Funktionswerte ermittelt werden wobei an die Funktionsbildner 17, 18, 19 die
Verknüpfungseinheit 20,
insbesondere ein Maximumbildner, angeschlossen ist.
-
Zweckmäßig ist
es, wenn an die Auswerteeinheit 5 eine Einheit zur Blob-Analyse
zur weiteren Prüfung einzelner
Bereiche angeschlossen ist.
-
Zu
den verwendeten Begriffen werden folgende Erläuterungen gegeben:
Der
Prewitt-Operator ist ein Kantendetektor ähnlich dem Sobel-Operator,
nur werden bei diesem die Grauwerte in der aktuellen Gradientenrichtung
nicht zusätzlich
gewichtet.
-
-
Analog
zum Sobel-Operator erhält
man als Ausgabe des Kantendetektor ein Gradientenbild in X und eines
in Y Richtung.
-
Auf
gleiche Weise berechnet sich die Kantenstärke zu
-
Der
Roberts-Operator ist ein einfacher Kantendetektions-Algorithmus
der Bildverarbeitung. Hier wird die Differenz über Kreuz liegender Pixel berechnet.
-
Der
Operator nutzt als Faltungsmatrix eine 2×2-Matrix.
-
-
Das
Gradientenstärkebild
ergibt sich zu hn,m = |fn,m – fn+1,m,+1| + |fn+1,m – fn,m+1|
-
Die
Abkürzungen
HSV oder HSB oder HSI stehen für
das Farbmodell, bei dem man die Farbe mit Hilfe des Farbtons (Hue),
der Sättigung
(Saturation) und der Helligkeit (Value, Brightness, Intensity) definiert.
-
Dabei
wird
- – der
Farbton als Winkel auf dem Farbkreis angegeben (z. B. 0° = Rot, 120° = Grün, 240° = Blau),
- – die
Sättigung
als Prozentwert angegeben (z. B. 0% = keine Farbe, 50% = ungesättigte Farbe,
100% = gesättigte
Farbe),
- – die
Helligkeit als Prozentwert angegeben. (z. B. 0% = keine Helligkeit,
100% = volle Helligkeit).
-
Die
Darstellung des Farbraums durch das HSV-Modell wird üblicherweise
in Computerprogrammen verwendet. Um eine bestimmte Farbe mit Hilfe
ihrer HSV-Parameter
auszuwählen
bzw. auszudrücken,
benutzt man den HSV-Farbkreis. Der Farbton (Hue) wird direkt vom
Farbkreis ausgewählt,
dann werden – meist
von einem Dreieck, wobei die waagerechte Achse die Sättigung
und die senkrechte die Helligkeit widerspiegelt – die beiden anderen Parameter
gewählt.
-
In
der obigen Erklärung
wird die Blobanalyse dazu verwendet, um Objekte zu erkennen. Im
vorliegenden Fall wird die Blobanalyse jedoch dazu verwendet, um
zusammenhängende
Gebiete von fehlerhaften Pixeln zu finden, denn isolierte fehlerhafte
Pixel sind meist nicht störend
und stellen daher keinen Fehler dar. Die Verfahren der Blobanalyse
sind für
den vorliegenden Fall eins zu eins übertragbar.
-
Um
entscheiden zu können,
ob Pixel „zusammen
hängen„ wird
eine Nachbarschaftsbeziehung vorgegeben: üblicherweise die 4-er Nachbarschaft
(Pixel ist mit seinen 4 direkten Nachbarn darüber, darunter, rechts und links
benachbart) oder 8-er Nachbarschaft (Pixel ist mit all seinen 8
Nachbarn, auch den diagonalen, benachbart).
-
Jeder „Blob„ ist eine
Menge von Pixeln, wobei jedes Pixel, das zu diesem Blob gehört, zu mindestens einem
anderen Pixel desselben Blobs benachbart sein muss und alle Pixel
des Blobs eine gemeinsame Eigenschaft aufweisen müssen (im
vorliegenden Fall müssen
sie fehlerhaft sein).